Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
Ghi chú bài giảng về cây quyết định (decision trees) trong khóa học Máy học, bao gồm thuật toán, độ đo (entropy, Gini), cắt tỉa và cây hồi quy.
미리보기 생성 중...
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 6 Decision Trees 6.1 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.2 Machine Learning Categories . . . . . . . . . . . . . . . . . . . . . . . 2 6.1.3 Relationship Between Decision Trees and Rule-based Learning . . . . 2 6.2 Divide-and-Conquer and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 3 6.3 General Decision Tree Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 4 6.4 Time Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.5 ID3, C4.5, CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.1 General Differences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.2 ID3 – Iterative Dichotomizer 3 . . . . . . . . . . . . . . . . . . . . . . 6 6.5.3 C4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.4 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.5 Others . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.6 Information Gain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.7 Information Theory and Entropy . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.9 Gini Impurity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 6.10 Improvements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.10.1 Grain Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.1
… Tải file gốc để đọc toàn bộ tài liệu.
- 문서명
- Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- 학교 / 강의
- University Wisconsin-Madison · Machine learning
- 내용
- Tài liệu cung cấp kiến thức chi tiết về Cây quyết định, từ khái niệm cơ bản, thuật ngữ, các thuật toán chính (ID3, C4.5, CART), đến các phương pháp đo lường hiệu quả và xử lý overfitting, cùng ứng dụng trong bài toán hồi quy.
- 목차
- 6 Decision Trees
- 6.1 Introduction
- 6.1.1 Terminology
- 6.1.2 Machine Learning Categories
- 6.1.3 Relationship Between Decision Trees and Rule-based Learning
- 6.2 Divide-and-Conquer and Recursion
- 6.3 General Decision Tree Algorithm
- 6.4 Time Complexity
- 6.5 ID3, C4.5, CART
- 6.5.1 General Differences
- 6.5.2 ID3 – Iterative Dichotomizer 3
- 6.5.3 C4.5
- 6.5.4 CART
- 6.5.5 Others
- 6.6 Information Gain
- 6.7 Information Theory and Entropy
- 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error?
- 6.9 Gini Impurity
- 6.10 Improvements
- 6.10.1 Grain Ratio
- 6.11 Overfitting
- 6.11.1 Pre-Pruning
- 6.11.2 Post-Pruning
- 6.12 Decision Tree for Regression
- 6.13 Summary
- 6.13.1 Pros and Cons of Decision Trees
- 페이지 수
- 18 페이지
- 업로더
- Giang Le
자주 묻는 질문
Tài liệu này có miễn phí không?
Có. “Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 18 trang, thuộc môn Machine learning. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
댓글 (0)
댓글이 없습니다. 첫 댓글을 남겨보세요!